wgetを使用して、実際のHTMLの代わりにgzipされたバージョンを取得する正しいコマンドは何ですか

私はこれについて話しているこのウェブサイトにつまずいた。

それで、gzipされたバージョンを取得してWebサイト全体をダウンロードするとき、正しいコマンドは何ですか？

このコマンドをテストしましたが、wgetが実際にgzip圧縮されたバージョンを取得しているかどうかはわかりません。

wget --header="accept-encoding: gzip" -m -Dlinux.about.com -r -q -R gif,png,jpg,jpeg,GIF,PNG,JPG,JPEG,js,rss,xml,feed,.tar.gz,.zip,rar,.rar,.php,.txt -t 1 http://linux.about.com/

（accept-encoding：gzipヘッダーを使用して）gzipされたコンテンツを要求する場合、wgetはコンテンツを読み取れないことを理解しています。したがって、ヒットした最初のページについては、ディスク上のgzip圧縮された単一のファイルになりますが、他のコンテンツはありません。

つまり、wgetを使用してgzip圧縮されたコンテンツを要求したり、サイト全体を同時に再帰したりすることはできません。

wgetがこの機能をサポートできるようにするパッチがあると思いますが、デフォルトの配布バージョンにはありません。

-Sフラグを含めると、Webサーバーが正しいタイプのコンテンツで応答しているかどうかを確認できます。例えば、

wget -S --header="accept-encoding: gzip" wordpress.com
--2011-06-17 16:06:46--  http://wordpress.com/
Resolving wordpress.com (wordpress.com)... 72.233.104.124, 74.200.247.60, 76.74.254.126
Connecting to wordpress.com (wordpress.com)|72.233.104.124|:80... connected.
HTTP request sent, awaiting response...
  HTTP/1.1 200 OK
  Server: nginx
  Date: Fri, 17 Jun 2011 15:06:47 GMT
  Content-Type: text/html; charset=UTF-8
  Connection: close
  Vary: Accept-Encoding
  Last-Modified: Fri, 17 Jun 2011 15:04:57 +0000
  Cache-Control: max-age=190, must-revalidate
  Vary: Cookie
  X-hacker: If you're reading this, you should visit automattic.com/jobs and apply to join the fun, mention this header.
  X-Pingback: http://wordpress.com/xmlrpc.php
  Link: <http://wp.me/1>; rel=shortlink
  X-nananana: Batcache
  Content-Encoding: gzip
Length: unspecified [text/html]

コンテンツのエンコーディングには明らかにgzipが記載されていますが、linux.about.com（現在）の場合、

wget -S --header="accept-encoding: gzip" linux.about.com
--2011-06-17 16:12:55--  http://linux.about.com/
Resolving linux.about.com (linux.about.com)... 207.241.148.80
Connecting to linux.about.com (linux.about.com)|207.241.148.80|:80... connected.
HTTP request sent, awaiting response...
  HTTP/1.1 200 OK
  Date: Fri, 17 Jun 2011 15:12:56 GMT
  Server: Apache
  Set-Cookie: TMog=B6HFCs2H20kA1I4N; domain=.about.com; path=/; expires=Sat, 22-Sep-12 14:19:35 GMT
  Set-Cookie: Mint=B6HFCs2H20kA1I4N; domain=.about.com; path=/
  Set-Cookie: zBT=1; domain=.about.com; path=/
  Vary: *
  PRAGMA: no-cache
  P3P: CP="IDC DSP COR DEVa TAIa OUR BUS UNI"
  Cache-Control: max-age=-3600
  Expires: Fri, 17 Jun 2011 14:12:56 GMT
  Connection: close
  Content-Type: text/html
Length: unspecified [text/html]

text / htmlを返しています。

一部の古いブラウザではgzipでエンコードされたコンテンツにまだ問題があるため、多くのサイトではブラウザの識別に基づいてのみ有効にします。彼らはしばしばデフォルトでそれをオフにし、ブラウザがそれをサポートできることを知っているときだけそれをオフにします-そして彼らは通常そのリストにwgetを含めません。これは、ブラウザでサイトがgzipコンテンツを返さないように見える場合でも、wgetがgzipコンテンツを返さないことがわかる場合があることを意味します。

htmlページを取得して圧縮するか、任意のファイルを取得して圧縮する簡単なコマンド。

$ wget -qO - <url> | gzip -c > file_name.gz

オプションの詳細については。manコマンドを使用します。